Bin Wang
Shanghai AI Laboratory
収録論文 23本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- FORGE: 力覚対応マルチグラニュラリティ制御による効率的なヒューマノイド移動操作移動操作2026/11/12
ヒューマノイドの移動操作向けに、速度・足配置・手首姿勢・力条件を階層的に扱う力覚対応制御系FORGEを提案し、手首力センサなしで接触力を推定して安定的な操作を実現した。
- 進捗関係からロボットの報酬を学習するEvent2Reward強化学習/報酬設計2026/10/29
実ロボットの成功・失敗・非最適実行データから、軌跡内の局所的な進捗関係を活用して密な報酬を学習する手法を提案し、方策成功率を大幅に向上させた。
- AtomicRL: 原子的タスク構造を活用した長期的ロボット操作のための強化学習VLA/強化学習2026/10/21
長期的なロボット操作タスクを原子的サブタスクに分解し、意味認識ゲーティングとボトルネック適応探索でVLAポリシーを強化学習により改善するフレームワークを提案した。
- 意図と能力の帰属ゲート付き同時推定による上肢支援ロボットの必要時支援制御アシスト制御2026/10/15
上肢支援ロボットにおいて、運動意図の変化と発揮可能な随意トルク能力の変化を帰属ゲートで切り分け、それぞれをオンライン推定して支援を適応させる手法を提案し、健常者実験で有効性を示した。
- 2次元画像フィードバックに基づく自律血管内ナビゲーション手法:知覚と制御のフレームワーク血管内ナビゲーション/自律制御2026/10/15
血管内介入において、2次元のDSA/X線透視画像から血管マスクとデバイス先端位置を推定し、計画経路への進捗・偏差・方向を算出して、ルールベース制御器でガイドワイヤーを自律的に操作する手法を提案。ロボットプラットフォーム上で65回の閉ループ実験を行い、全試行で最大進捗0.95以上を達成した。
- 血管インターベンションのための実機マスタ・シミュレーション連携インタフェースと成功軌道によるガイダンス医療ロボティクス2026/10/14
実機のロボットマスタとSOFA物理シミュレータを接続し、成功した操作軌道を視覚ガイダンスとして提示することで、血管インターベンション課題の効率と安全性が向上することをファントム実験で示した。
- 二重モード制御とモデルベース相互作用応答を備えたロボット支援血管インターベンション用VR訓練システム医療ロボティクス2026/10/14
ガイドワイヤと血管の相互作用を推定するVR訓練システムを開発し、初心者15名の訓練で実機タスクの成功率が53.3%から93.3%に向上した。
- WorldSolver: LLMエージェントはソルバ生成を通じて物理ダイナミクスをシミュレートできるか物理シミュレーション/LLMエージェント2026/10/6
古典的CG論文由来の168の物理シミュレーションタスクを集めたベンチマークWorldSolverを提案し、LLMエージェントがソルバをコード生成して物理現象を再現できるかを実行・視覚・物理的妥当性の3軸で評価した。
- MixVLA: 非不変情報の適応的混合による汎化可能な視覚-言語-行動モデルVLA2026/10/2
VLAモデルの汎化性能を高めるため、環境固有の非不変表現を確率的に混合して正則化する学習フレームワークを提案し、OOD条件下でのロバスト性を向上させた。
- ReF-HIL: 人間の行動近傍を中心に批評器を形成する効率的なHuman-in-the-Loop強化学習マニピュレーション2026/9/29
人間の成功体験から価値参照を学習し、人間行動の近傍領域を定義することで、模倣ペナルティを避けつつ実世界のマニピュレーションを効率的に強化学習する手法を提案。
- Dream2Reward: 正のデモンストレーションからの遷移整合報酬モデルによるロボット操作マニピュレーション2026/8/19
成功デモから遷移レベルの潜在変位を予測し、観測された動作との整合性で密な報酬を生成する手法を提案。失敗アノテーション不要で報酬ハッキングを軽減し、実ロボット操作を含む下流性能を向上させる。
- DecoVLN: 観察・推論・修正を分離した視覚言語ナビゲーションVLA2026/3/1
長期的な指示に従う視覚言語ナビゲーションの性能を高めるため、記憶構築の最適化と誤差補正のための微調整戦略を導入したフレームワークを提案した。
- AgentVLN:エージェント型視覚言語ナビゲーションに向けてナビゲーション2026/3/1
視覚言語ナビゲーション(VLN)のための新しいフレームワークAgentVLNを提案。VLMを高次推論に用い、3Dトポロジカルウェイポイントを画像平面に投影して視覚プロンプトを生成し、自己補正と能動探索で長期的なナビゲーション誤差を抑制する。
- ST4VLA: 視覚言語行動モデルのための空間誘導訓練VLA2026/2/1
VLMに空間的な事前知識を組み込む二段階訓練でロボットの行動生成を改善し、SimplerEnvで新たなSOTAを達成した研究。
- MM-ACT: マルチモーダル並列生成から行動を学習する統合VLAモデルVLA2025/12/1
テキスト・画像・行動を共有トークン空間で統合し、並列デコードで生成するVLAモデルを提案。LIBEROや実機Franka、RoboTwin2.0で高い成功率を達成した。
- InternVLA-M1: 空間誘導型視覚-言語-行動フレームワークによる汎用ロボットポリシーVLA2025/10/1
空間グラウンディングを手がかりに「どこで行動するか」と「どう行動するか」を二段階で学習し、汎用ロボット制御を実現するVLAフレームワークを提案。
- 不確実な嵌合タイプと嵌合量を伴うバッチ精密組立タスクのためのロバストでコンプライアントなロボット組立制御戦略組立/強化学習2025/8/1
嵌合タイプや嵌合量が不確実なバッチ精密組立において、力・視覚融合制御とマルチタスク強化学習、マルチティーチャー方策蒸留を組み合わせ、ロバストなコンプライアンス制御戦略を構築した研究。
- InstructVLA: 理解から操作へと導く視覚-言語-行動インストラクションチューニングVLA2025/7/1
大規模視覚言語モデルの推論能力を保ちつつ、身体性推論を活用して操作性能を高める新しいVLAモデルと学習法を提案し、汎化ベンチマークで大幅な改善を示した。
- RoboKeyGen: 拡散モデルによる3Dキーポイント生成を用いたロボット姿勢と関節角度の推定姿勢推定2024/3/1
2Dキーポイント検出と拡散モデルによる3Dキーポイント生成に分けてロボットの姿勢と関節角度を推定し、従来法より高精度・高速に実現するフレームワークを提案。
- Tree-Planner: 大規模言語モデルによる効率的なクローズドループタスクプランニングタスクプランニング2023/10/1
LLMを用いたタスクプランニングを計画サンプリング・行動木構築・接地判断の3段階に再構成し、トークン消費を92.2%削減しつつ最先端性能を達成した。
- EmbodiedGPT: 身体性チェーン・オブ・ソートによる視覚言語事前学習VLA2023/5/1
Ego4D動画と思考の連鎖で作った大規模計画データセットEgoCOTを用い、7B LLMを接続したマルチモーダル基盤モデルを学習し、高レベル計画と低レベル制御を統合した。
- RITA: 現実的なインタラクティブ交通流で運転シミュレータを強化sim2real2022/11/1
実世界データに基づく高忠実・多様・制御可能な交通流を生成し、自動運転戦略の評価とオンライン微調整を可能にする運転シミュレータ用モジュールRITAを提案。
- Triple-GAIL:マルチモーダル模倣学習フレームワーク模倣学習2020/5/1
スキル選択器を補助的に導入し、複数モードの専門家デモと生成経験からスキル選択と模倣を同時に学習する新しいGAILフレームワークを提案し、実運転軌跡とRTSゲームデータで有効性を示した。
